[发明专利]从全局模型进行本地化学习

摘要

包括在计算机存储介质上编码的计算机程序的方法、系统和装置，用于：获得特定活动的全局模型，所述全局模型基于输入数据来导出，所述输入数据表示与由用户集合执行的特定活动相关联的多个观察；使用所述全局模型来确定预期数据，所述预期数据表示与由特定用户执行的所述特定活动相关联的预期观察；由所述特定用户操作的计算设备接收特定数据，所述特定数据表示与由所述特定用户执行的所述特定活动相关联的实际观察；由所述计算设备使用(i)所述预期数据和(ii)所述特定数据来确定所述特定用户的残余数据；以及，基于所述残余数据导出所述特定用户的本地模型。

主权项

1.一种计算机实现的方法，包括：在与特定用户相关联的客户端计算设备处获得特定活动的全局模型，所述全局模型在计算机系统处基于输入数据来导出，所述输入数据表示与由用户集合中的每一个执行的所述特定活动相关联的多个观察；在所述客户端计算设备处使用所述全局模型来确定预期数据，所述预期数据表示与由特定用户执行的所述特定活动相关联的预期观察，其中确定预期数据包括：向所述全局模型输入用户特定参数以生成所述预期观察；由所述客户端计算设备接收特定活动数据，所述特定活动数据表示由所述客户端计算设备的一个或多个传感器测量的、与由所述特定用户执行的所述特定活动相关联的实际观察；由所述客户端计算设备确定所述特定用户的残余数据，其中确定残余数据包括：比较(i)由所述全局模型生成的所述特定用户的所述预期数据和(ii)表示所述实际观察的所述特定活动数据，其中所述特定用户的所述残余数据表示基于所述预期数据和所述特定活动 数据之间差异的所述特定用户的个性签名，并且其中确定残余数据还包括：基于人口水平训练数据将所述预期数据映射到m维向量空间，所述人口水平训练数据包括n个观察，每个观察具有m个类型的测量，将所述特定用户的所述特定活动数据映射到所述m维向量空间；以及基于所述特定活动数据和所映射的预期数据之间的向量距离来确定残余数据；使用所述残余数据、所述全局模型以及一个或多个目标函数，在所述客户端计算设备处导出特定于所述特定用户的不同本地模型，其中导出所述本地模型包括：使用所述残余数据作为训练数据，并且其中本地模型提供所述特定用户针对所述特定活动的表示；以及使用所述本地模型来生成与所述特定用户的所述特定活动相关联的预期输出数据。